CN109977010A - 评价智能制造系统信息界面综合认知绩效水平的优化方法 - Google Patents

Abstract

本发明涉及一种评价智能制造系统信息界面综合认知绩效水平的优化方法。本发明基于眼动追踪技术和认知负荷理论，首先通过对信息界面分析划分信息区域，然后对不同信息区域分组进行眼动对比实验获得眼动数据，再根据综合认知绩效水平评价指标体系建立的AHP‑VAGUE‑TOPSIS组合计算模型对不同区域设计方案进行优选度排序，最后将各信息区域最优方案进行组合，完成智能制造系统信息界面综合认知绩效水平优化。

Description

评价智能制造系统信息界面综合认知绩效水平的优化方法

技术领域

本发明涉及一种评价智能制造系统信息界面综合认知绩效水平的优化方法。

背景技术

人因工程学的核心问题怎样设计出一个高效、安全的人机信息界面。在传统 制造业产线控制系统中，由操作员和系统设备共同作用导致的生产事故占事故总 量的很大比例，随着制造生产设备智能化和信息化的发展，操作员与系统的交互 方式逐渐由物理交互转变为软件交互，视觉成为了操作员获取和控制数字化控制 系统完成生产的主要信息载体，因此，一个设计合理的智能制造系统信息界面对 系统的工作效率、安全性、使用人员的操作舒适性以及保障使用人员的身心健康 具有十分重要的作用。

针对智能制造系统信息界面综合认知绩效水平问题，本发明划分了智能制造 系统信息界面信息区域，并根据综合认知绩效水平眼动评价指标体系建立了 AHP-VAGUE-TOPSIS组合计算模型，可以对信息界面进行综合认知绩效水平优 化。通过对天合MES智能制造系统信息界面实施案例的评估和优化，为今后生 理评测技术用于智能制造系统信息界面评估和优化提供了研究方法。

发明内容

本发明涉及一种评价智能制造系统信息界面综合认知绩效水平的界面优化 方法。本发明基于眼动追踪技术和认知负荷理论，首先通过对信息界面分析划分 信息区域，然后对不同信息区域分组进行眼动对比实验获得眼动数据，再根据的 综合认知绩效水平评价指标体系建立的AHP-VAGUE-TOPSIS组合计算模型对不 同区域设计方案进行优选度排序，最后将各信息区域最优方案进行组合，完成智 能制造系统信息界面综合认知绩效水平优化。

本发明的技术方案如下：

1.一种评价智能制造系统信息界面综合认知绩效水平的优化方法，其特征 包括如下步骤：

(1)、分析并划分智能制造系统信息界面信息区域构成，并对各信息界面信 息区域分别开展眼动对比实验，获取综合认知绩效水平视觉搜索质量和信息加工 水平评价维度对应的眼动数据；

(2)、将综合认知绩效水平眼动评价指标和对应数据分别带入AHP-VAGUE -TOPSIS组合计算模型，得出各个信息区域综合认知绩效水平最优方案；

(3)、对AHP-VAGUE-TOPSIS组合计算模型得出的信息区域综合认知绩效 水平最优方案进行组合，完成智能制造系统信息界面综合认知绩效水平优化。

2.根据权利要求1所述的评价智能制造系统信息界面综合认知绩效水平的 优化方法，其特征是，所述步骤(1)中将智能制造系统信息界面划分为信息导 航区域、信息提示区域、信息显示区域和信息输入区域。

3.根据权利要求1所述的评价智能制造系统信息界面综合认知绩效水平的 优化方法，其特征是，所述步骤(2)包括步骤如下：

(3-1)、将综合认知绩效水平眼动评价指标带入AHP层次分析法，求出权 重系数；

(3-2)、将综合认知绩效水平眼动评价数据带入VAGUE-TOPSIS组合计算 模型，选出各信息区域最优设计方案。

4.根据权利要求3所述的评价智能制造系统信息界面综合认知绩效水平的 优化方法，其特征是，所述步骤(3-1)包括步骤如下：

(4-1)、向专家发放调查问卷

对专家发放AHP指标重要度调查问卷，采用1-9级标度法对不同层级指标 进行重要度比较，通过打分得到判断矩阵，再经过一系列的归一化运算就能得到 最终的权重系数；

(4-2)、问卷数据处理

一级指标A、B分别代表视觉搜索质量和信息加工水平，根据发放的专家调 查问卷平均值得出一级指标标度，具体计算流程如下：

a、首先根据公式(1)构建两两比较矩阵

对比设置指标间的权重比值时，可依据专家的评估结果和建议，结合评价主 体的要求和评价目标，最终形成评价指标的比较矩阵A：

其中A为比较矩阵，a_ij是i指标与j指标重要度比较结果，且有如下关系：

a_ij＝1/a_ji

b、根据公式(2)对矩阵A的每一列向量进行归一化处理，得到矩阵W：

c、求出每一行元素之和：

d、根据公式(4)将矩阵归一化得到指标权重值：

e、在得到的权重值后进行一致性检验，确认指标重要程度是否符合逻辑， 计算流程如下：

e1、其中CI为一致性指标，只有CI＝0时， 才能判定矩阵A为一致矩阵，CI值越大，说明矩阵A的检验结果越不一致；

e2、一致性比率

RI为随机一致性指标，只有CR＜0.1，才能判断矩阵A的一致性在容许范围 内，即视为一致性检验通过。

5.根据权利要求3所述的评价智能制造系统信息界面综合认知绩效水平的 优化方法，其特征是，所述步骤(3-2)包括如下步骤：

(5-1)、Vague集计算

1)根据实验得出的眼动数据构建目标优属矩阵γ＝[γ_ij]_m×n，得到不同指标 对于理想值的接近程度γ_ij：

a.对于“搜索广度”、“界面收敛度”、“心理努力程度”效益型的评价指标， 它们的相对优属度γ_ij表示为:

b.对于“搜索深度”、“搜索效率”、“界面收敛度”效益型的评价指标，它们 的相对优属度γ_ij表示为:

2)定义评价时可以接受的满意度下界λ^U和可以允许的不满意度上界λ^L，通 过矩阵γ得到的矩阵值分别筛选出各方案的支持指标集S、反对指标集O和中立指 标集N；

S_i＝{a_j∈a|γ_ij≥λ^U}(i＝1,2,…,m；j＝1,2,…,n)为第i个设计方案的支持 指标集，表示对于第i个评价指标是支持第i个方案的；

O_i＝{a_j∈a|γ_ij≤λ^L}(i＝1,2,…,m；j＝1,2,…,n)为第i个设计方案的反对 指标集，表示对于第i个评价指标是反对第i个方案的；

N_i＝{a_j∈a|λ^L≤γ_ij≤λ^U}(i＝1,2,…,m；j＝1,2,…,n)为第i个设计方案的 中立指标集，表示对于第i个评价指标对第i个方案是既不支持也不反对的；

3)带入通过层次分析法得到的指标权重值w＝{w₁，w₂,…，w_n}，构建Vague 集评价矩阵D，

式中，t_i表示该设计方案满足评价指标的程度，f_i表示该设计方案不满足评 价指标的程度；

方案i符合评价者要求的程度v_i通过式(10)用Vague数表示。

式中：η1＝{j|a_j∈S_i}，η2＝{j|a_j∈O_i}；i＝1，2，…，m；j＝1，2，…，n.

(5-2)、TOPSIS优选度排序找到最优设计方案

TOPSIS优选度排序思路是通过选定一个正理想值和一个负理想值，然后计 算每个设计方案到理想方案的接近度；接近度值越大，对应的设计方案越好；

对一组Vague数X(i＝1，2，…,m)，确定正理想值X⁺和负理想值X^-：

X⁺和X^-是Vague数，其与理想值之间的距离可通过Vague距离公式计算， 每个设计方案中X_i和X⁺的距离d⁺、每个设计方案中X_i与X^-的距离d^-如下所示：

计算每个设计方案定量指标值到理想值的相对贴近指数：

根据优劣法的思想，各设计方案的X_i越接近X⁺并远离X^-，则说明其隶属度 越大而非隶属度越少，即：μ_i值越大，说明信息界面越接近理想认知绩效水评， 方案越符合理想水平，对四个信息区域不同设计方案进行优选度排序，找到各信 息区域最优设计方案。

本发明所达到的有益效果：

1)通过研究智能制造系统信息界面信息构成元素，划分了智能制造系统信 息界面信息区域，便于眼动对比实验的分组实施和组合优化。

2)将AHP层次分析法引入了VAGUE-TOPSIS组合计算模型，为综合认知 绩效水平眼动评价指标体系提出了客观的权重计算方法。

3)通过对四个信息区域分别进行眼动对比实验和优选度排序，得到不同信 息区域综合认知绩效水平最优设计方案。

5)对组合计算模型得出的四个信息区域最优方案进行组合，得到智能制造 系统优化方案，完成智能制造系统信息界面综合认知绩效水平优化。

附图说明

图1是本发明的一种评价智能制造系统信息界面综合认知绩效水平的界面 优化方法示意图。

图2为本发明的实施例中信息导航区域眼动对比实验材料。

图3为本发明的实施例中信息提示区域眼动对比实验材料。

图4为本发明的实施例中信息显示区域眼动对比实验材料。

图5为本发明的实施例中信息输入区域眼动对比实验材料。

图6为组合后的优化界面与原界面眼动对比实验材料。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本 发明的技术方案，而不能以此来限制本发明的保护范围。

一种评价智能制造系统信息界面综合认知绩效水平的优化方法，包括如下步 骤：

(1)、分析并划分智能制造系统信息界面信息区域构成，并对各信息界面信 息区域分别开展眼动对比实验，获取综合认知绩效水平视觉搜索质量和信息加工 水平评价维度对应的眼动数据；

分析并划分智能制造系统信息界面信息区域构成

数字化控制信息界面主要用于企业进行生产线制造管理，包括监控产线生产 状态、参与生产线决策和调节生产参数，为了满足操作员使用目的，界面内包含 了信息提示区域、信息显示区域和信息输入区域，同时，为了方便信息查找和分 类，界面内通常还具有导航信息区域。

因此，本发明将智能制造系统信息界面划分为信息导航区域、信息提示区域、 信息显示区域和信息输入区域。

现对各信息区域说明如下：

a.信息导航区域

信息导航区域包括主导航栏和次级导航栏，分别对应了不同的使用功能。通 常导航栏布局结构采用工字型和T字形。

b.信息提示区域

信息提示区域同时具备两种状态——长显状态和提醒状态，对于两种状态， 我们的评估标准是不同的，长显状态要求信息具有一定提示效果，但是不能分散 操作员太多注意力，保证操作员认知符合维持在正常水平；提醒状态说明系统出 现突发状况需要操作员第一时间处理，故要求信息具有较强吸引力，足够让操作 员捕获突发信息，处理紧急事故。

c.信息显示区域

信息显示区域是指操作员在监控生产状态和调节生产线相关参数时关注的 常显信息，对其他信息具有解释作用，也是操作员日常接触最多的核心信息，其 认知绩效水平与操作员工作绩效水平息息相关。根据视觉认知规律可知，操作员 在搜索和加工这部分信息时，往往更倾向于处理文字信息，且信息数量与密度也 会对界面综合认知绩效水平产生很大影响。因此，我们要求这部分信息应当在完 整呈现系统功能的同时，尽可能的简洁明了，分类有序，有利于操作员搜索，减 少无效信息的干扰。

d.信息输入区域

信息输入区域是指界面内的各种控件元素，由于参数调节标识符号与颜色、 大小、调节方式均有关系，视觉呈现方式多样化，又属于可人为调控的变量信息， 因此根据视觉认知规律，在设计输入信息区域时，不仅需要保证操作员能及时捕 获到目标信息，方便操作员知晓当前参数状态，同时也应该降低信息加工难度， 便于操作员了解参数调节方式，高效安全的完成参数调节。

(2-2)开展眼动对比实验

对各信息区域分别开展眼动对比实验，获取综合认知绩效水平眼动评价指标 体系对应的眼动数据。综合认知绩效水平眼动评价指标体系如表1所示：

表1综合认知绩效水平眼动评价指标体系

(2)、将综合认知绩效水平眼动评价指标和对应数据分别带入AHP-VAGUE -TOPSIS组合计算模型，得出各个信息区域综合认知绩效水平最优方案；

(2-1)、将综合认知绩效水平眼动评价指标带入AHP层次分析法，求出权 重系数。

步骤(2-1)包括如下步骤：

(3-1)向专家发放调查问卷

对专家发放眼动指标重要度调查问卷(见附图1)，本发明采用1-9级标度法 对不同层级指标进行重要度比较，打分数值的含义如表2所示：

表2标度含义说明

例如：A对B的重要度打分是5，那么B对A的重要性就是1/5。通过打分 可以得到判断矩阵，再经过一系列的归一化运算就能得到最终的权重系数。

(4-2)、问卷数据处理

1)一级指标A、B分别代表视觉搜索质量和信息加工水平，根据发放的专 家调查问卷平均值得出一级指标标度，具体计算流程如下：

a.首先根据公式(1)构建两两比较矩阵

对比设置指标间的权重比值时，可依据专家的评估结果和建议，结合评价主 体的要求和评价目标，最终形成评价指标的比较矩阵A：

其中A为比较矩阵，a_ij是i指标与j指标重要度比较结果，且有如下关系：

a_ij＝1/a_ji

b.根据公式(2)对矩阵A的每一列向量进行归一化处理，得到矩阵W：

c.求出每一行元素之和：

d.根据公式(4)将矩阵归一化得到指标权重值：

e.在得出权重值后，需要对得到的权重值进行一致性检验，确认指标重要 程度是否符合逻辑，避免发生A比B重要，B比C重要，而C却比A重要的矛 盾情况。计算流程如下：

e1.(其中CI为一致性指标，只有CI＝0时，才 能判定矩阵A为一致矩阵，CI值越大，说明矩阵A的检验结果越不一致)

e2.RI为随机一致性指标，如表3所示：

表3随机一致性指标RI查询表

e3.一致性比率

只有CR＜0.1，才能判断矩阵A的一致性在容许范围内，即视为一致性检验 通过。

(3-2)、将综合认知绩效水平眼动评价数据带入VAGUE-TOPSIS组合计算 模型，选出各信息区域最优设计方案。

步骤(3-2)包括如下步骤：

(5-1)、Vague集计算

1)根据实验得出的眼动数据构建目标优属矩阵γ＝[γ_ij]_m×n，得到不同指标 对于理想值的接近程度γ_ij：

a.对于“搜索广度”、“界面收敛度”、“心理努力程度”资源型评价指标它们的 相对优属度γ_ij可以表示为:

b.对于“搜索深度”、“搜索效率”、“界面收敛度”效益型评价指标，它们的 相对优属度γ_ij表示为:

2)定义评价时可以接受的满意度下界λ^U和可以允许的不满意度上界λ^L，通 过矩阵γ得到的矩阵值分别筛选出各方案的支持指标集S、反对指标集O和中立指 标集N。

S_i＝{a_j∈a|γ_ij≥λ^U}(i＝1，2，…，m；j＝1,2，…，n)为第i个设计方案的支持 指标集，表示对于第i个评价指标是支持第i个方案的。

O_i＝{a_j∈a|γ_ij≤λ^L}(i＝1，2,…,m；j＝1,2,…，n)为第i个设计方案的反对 指标集，表示对于第i个评价指标是反对第i个方案的。

N_i＝{a_j∈a|λ^L≤γ_ij≤λ^U}(i＝1，2,…,m；j＝1,2,…,n)为第i个设计方案的 中立指标集，表示对于第i个评价指标对第i个方案是既不支持也不反对的。

3)带入通过层次分析法得到的指标权重值w＝{w₁,w₂,…,w_n}，构建Vague 集评价矩阵D，

式中，t_i表示该设计方案满足评价指标的程度，f_i表示该设计方案不满足评 价指标的程度。

方案i符合评价者要求的程度v_i可通过式(10)用Vague数表示。

式中：η1＝{j|a_j∈S_i}，η2＝{j|a_j∈O_i}；i＝1,2,…，m；j＝1，2,…,n.

(5-2)、TOPSIS优选度排序找到最优设计方案

TOPSIS优选度排序思路是通过选定一个正理想值和一个负理想值，然后计 算每个设计方案到理想方案的接近度⁽²¹⁾。接近度值越大，对应的设计方案越好。

对一组Vague数X(i＝1,2,…,m)，确定正理想值X⁺和负理想值X^-：

X⁺和X^-是Vague数，其与理想值之间的距离可通过Vague距离公式计算， 每个设计方案中X_i和X⁺的距离d⁺、每个设计方案中X_i与X^-的距离d^-如下所示：

计算每个设计方案定量指标值到理想值的相对贴近指数：

根据优劣法的思想，各设计方案的X_i越接近X⁺并远离X^-，则说明其隶属度 越大而非隶属度越少，即：μ_i值越大，说明信息界面越接近理想认知绩效水评， 方案越符合理想水平，据此可对四个信息区域不同设计方案进行优选度排序，找 到各信息区域最优设计方案。

(3)、对AHP-VAGUE-TOPSIS组合计算模型得出的信息区域综合认知绩 效水平最优方案进行组合，完成智能制造系统信息界面综合认知绩效水平优化。

实施例

为了验证一种评价智能制造系统信息界面综合认知绩效水平的界面优化方 法的合理性，以天合MES产线控制系统-焊接设置界面为例证进行应用，四组眼 动对比实验材料如图2、3、4、5所示。针对该界面四组信息区域方案设计，按 照评价智能制造系统信息界面综合认知绩效水平的界面优化方法进行优化。

1.根据综合认知绩效水平眼动评价指标体系，对信息导航区域三种设计方案 展开眼动对比实验后，得到以下眼动数据：

表4信息导航区域眼动数据

2.运用AHP法得到信息导航区域对比实验眼动指标权重系数

(1)一级指标A、B分别代表视觉搜索质量和信息加工水平，发放的五份 专家调查问卷一级指标标度平均值如表5所示：

表5一级指标标度评分

a.根据公式(1)构建两两比较矩阵

对比设置指标间的权重比值时，可依据专家的评估结果和建议，结合评价主 体的要求和评价目标，最终形成评价指标的比较矩阵A：

其中A为比较矩阵，a_ij是i要素与j要素重要性比较结果，且有如下关系：

a_ij＝1/a_ji

b.根据公式(2)将A矩阵的每一列向量进行归一化处理，得到矩阵W：

c.求出每一行各元素之和：

d.根据公式(4)将矩阵归一化得到指标权重值：

故综合认知绩效水平评估一级指标权重值如表6所示：

表6一级指标权重值

e.在得出权重值后，需要对得到的权重值后进行一致性检验，确认指标重要 程度的逻辑合理性，防止出现A比B重要，B比C重要，结果C比A重要的矛 盾情况。具体计算步骤是：

e1.一致性指标(CI＝0是矩阵A为一致矩阵的必要条件；CI越大， A的不一致程度越严重)，

e2.随机一致性指标RI，如表7所示：

表7随机一致性指标RI查询表

e3.一致性比率

当CR＜0.1，判断矩阵A的不一致性在容许范围内，即视为通过检验。

经计算可得一级指标一致性比率CR＝0＜0.1，通过一致性检验。

(2)视觉搜索质量指标A1、A2、A3分别代表搜索深度、搜索广度和搜索 效率，根据发放的五份专家调查问卷平均值得出视觉搜索质量指标标度，如表8 所示：

表8视觉搜索质量指标标度评分

重复上述a至e，得到视觉搜索质量维度各二级指标权重如表9所示：

表9视觉搜索质量指标权重值

经计算可得眼动搜索质量维度下二级指标一致性比率CR＝0.0436＜0.1，通过 一致性检验。

(3)信息加工水平指标B1、B2、B3分别代表界面内敛度、界面发散度和 心理努力程度，根据发放的五份专家调查问卷平均值得出视觉搜索质量指标标度， 如表10所示：

表10信息加工水平指标标度评分

重复上述a至e，得到信息加工水平维度各二级指标权重如表11所示：

表11信息加工水平指标权重值

经计算可得信息加工水平维度下二级指标一致性比率CR＝0.0078＜0.1，通过 一致性检验。

(4)通过对各级指标计算结果进行整理，最终得到权重值如表12所示：

表12信息导航设计认知绩效评价指标权重值

3.将眼动数据和指标权重系数带入VAGUE-TOPSIS组合运算模型中，得到信 息导航区域最优方案，具体步骤如下：

1)根据公式(8)和公式(9)将“搜索深度”、“搜索广度”、“搜索效率”、“界 面收敛度”、“界面发散度”、“心理努力程度”六项指标转化为目标优属矩阵：

2)确定满意度下界λ^U＝0.85和能够接受的不满意度的上界λ^L＝0.7，找出各界 面方案的支持指标集、反对指标集和中立指标集。

S₁＝{a₅，a₆}，O₁＝φ，N₁＝{a₁，a₂，a₃，a₄}；

S₂＝{a₂，a₂，a₄，a₅，a₆}，O₁＝φ，N₁＝{a₁}；

S₂＝{a₁，a₃，a₅，a₆}，O₁＝φ，N₁＝{a₂，a₄}；

3)根据AHP法得出指标权重值

W_i＝{0.231，0.095，0.448，0.101，0.033，0.093}，运用公式(8)计算出三 个方案的Vague估计值。

v_i＝(0.191，0.191)，

v_i＝(0.802，1)；

v_i＝(0.878，0.878)。

4)构建Vague集评价矩阵

5)确定方案集的正理想值X⁺和负理想值X^-。

X⁺＝[0.878，1]

X^-＝[0.191，0.191]

6)根据公式(10)和公式(11)计算每个界面信息导航区域设计方案中X_i与 X⁺，X^-的距离d_i ⁺，d_i ^-。

d₁ ⁺＝1.061， d₁ ^-＝0，

d₂ ⁺＝0.077， d₂ ^-＝1.013，

d₃ ⁺＝0.122， d₃ ^-＝0.972。

7)根据公式(12)计算每个界面信息导航区域设计方案中X_i到理想值的接 近度，

μ₁＝0，

μ₂＝0.930，

μ₃＝0.889。

通过计算可以得到μ₂＞μ₃＞μ₁，所以设计方案二综合认知绩效水平最优。

4.信息提示区域、信息显示区域、信息输入区域最优方案选择方法同上所述， 将四个信息区域最优方案组合后可以得到天合MES智能制造系统-焊接界面综 合认知绩效水平优化方案。

5.对图6(原界面与优化界面)进行眼动对比实验进行验证，得到原界面和 优化界面眼动数据与贴近度分别如下所示：

(1)信息导航区域实验结果

十位被试眼动数据如下：

表13信息导航区域认知绩效评价眼动数据

根据专家打分情况可知，信息导航区域搜索任务各指标权重值计算如表14 所示：

表14信息导航区域认知绩效评价指标权重值

带入VAGUE-TOPSIS计算模型，可得两个导航区域设计方案贴近度计算结 果分别为μ₁＝0，μ₂＝1，μ₂＞μ₁，信息导航区域优化界面综合认知绩效水平高 于原界面，故评价模型有效。

(2)信息提示区域实验结果

十位被试眼动数据如下：

表15信息提示区域认知绩效评价眼动数据

根据专家打分情况可知，信息提示区域搜索任务各指标权重值计算如表16 所示：

表16信息提示区域设计认知绩效评价指标权重值

带入VAGUE-TOPSIS计算模型，可得两个信息提示区域设计方案贴近度计 算结果分别为μ₁＝0，μ₂＝1，μ₂＞μ₁，信息提示区域优化界面综合认知绩效水 平高于原界面，故评价模型有效。

(3)信息显示区域实验结果

十位被试眼动数据如下：

表17信息显示区域认知绩效评价眼动数据

根据专家打分情况可知，信息显示区域搜索任务各指标权重值计算如表18 所示：

表18信息显示区域设计认知绩效评价指标权重值

带入VAGUE-TOPSIS计算模型，可得两个信息显示区域设计方案贴近度计 算结果分别为μ₁＝0，μ₂＝1，μ₂＞μ₁，信息显示区域优化界面综合认知绩效水 平高于原界面，故评价模型有效。

(4)信息输入区域实验结果

十位被试眼动数据如下：

表19信息输入区域认知绩效评价眼动数据

根据专家打分情况可知，信息输入区域搜索任务各指标权重值计算如表20 所示：

表20信息输入区域设计认知绩效评价指标权重值

带入VAGUE-TOPSIS计算模型，可得两个信息输入区域设计方案贴近度计 算结果分别为μ₁＝0，μ₂＝1，μ₂＞μ₁，通过对原界面视觉元素分解的四个信息 区域做眼动追踪对比实验，我们可以看到每个区域原界面在采用评价模型得到的 最优方案优化后，综合认知绩效水平明显优于原界面，因此眼动追踪技术结合 AHP-VAGUE-TOPSIS组合计算方法得到的综合认知绩效水平评价模型能有效量 化设计方案优劣，优化智能制造系统信息界面综合认知绩效水平，具有很好的应 用意义。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技 术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形， 这些改进和变形也应视为本发明的保护范围。

Claims (5)

1.一种评价智能制造系统信息界面综合认知绩效水平的优化方法，其特征包括如下步骤：

(1)、分析并划分智能制造系统信息界面信息区域构成，并对各信息界面信息区域分别开展眼动对比实验，获取综合认知绩效水平视觉搜索质量和信息加工水平评价维度对应的眼动数据；

(2)、将综合认知绩效水平眼动评价指标和对应数据分别带入AHP-VAGUE-TOPSIS组合计算模型，得出各个信息区域综合认知绩效水平最优方案；

(3)、对AHP-VAGUE-TOPSIS组合计算模型得出的信息区域综合认知绩效水平最优方案进行组合，完成智能制造系统信息界面综合认知绩效水平优化。

2.根据权利要求1所述的评价智能制造系统信息界面综合认知绩效水平的优化方法，其特征是，所述步骤(1)中将智能制造系统信息界面划分为信息导航区域、信息提示区域、信息显示区域和信息输入区域。

3.根据权利要求2所述的评价智能制造系统信息界面综合认知绩效水平的优化方法，其特征是，所述步骤(2)包括步骤如下：

(3-1)、将综合认知绩效水平眼动评价指标带入AHP层次分析法，求出权重系数；

(3-2)、将综合认知绩效水平眼动评价数据带入VAGUE-TOPSIS组合计算模型，选出各信息区域最优设计方案。

4.根据权利要求3所述的评价智能制造系统信息界面综合认知绩效水平的优化方法，其特征是，所述步骤(3-1)包括步骤如下：

(4-1)、向专家发放调查问卷

对专家发放AHP指标重要度调查问卷，采用1-9级标度法对不同层级指标进行重要度比较，通过打分得到判断矩阵，再经过一系列的归一化运算就能得到最终的权重系数；

(4-2)、问卷数据处理

一级指标A、B分别代表视觉搜索质量和信息加工水平，根据发放的专家调查问卷平均值得出一级指标标度，具体计算流程如下：

a、首先根据公式(1)构建两两比较矩阵

对比设置指标间的权重比值时，可依据专家的评估结果和建议，结合评价主体的要求和评价目标，最终形成评价指标的比较矩阵A：

其中A为比较矩阵，a_ij是i指标与j指标重要度比较结果，且有如下关系：

a_ij＝1/a_ji

b、根据公式(2)对矩阵A的每一列向量进行归一化处理，得到矩阵W：

c、求出每一行元素之和：

d、根据公式(4)将矩阵归一化得到指标权重值：

e、在得出权重值后，进行一致性检验，确认指标重要程度是否符合逻辑，计算流程如下：

e1、其中CI为一致性指标，只有CI＝0时，才能判定矩阵A为一致矩阵，CI值越大，说明矩阵A的检验结果越不一致；

e2、一致性比率

RI为随机一致性指标，只有CR＜0.1，才能判断矩阵A的一致性在容许范围内，即视为一致性检验通过。

5.根据权利要求3所述的评价智能制造系统信息界面综合认知绩效水平的优化方法，其特征是，所述步骤(3-2)包括如下步骤：

(5-1)、Vague集计算

1)根据实验得出的眼动数据构建目标优属矩阵γ＝[γ_ij]_m×n，得到不同指标对于理想值的接近程度γ_ij：

a.对于“搜索广度”、“界面收敛度”、“心理努力程度”效益型的评价指标，它们的相对优属度γ_ij表示为：

b.对于“搜索深度”、“搜索效率”、“界面收敛度”效益型的评价指标，它们的相对优属度γ_ij表示为：

2)定义评价时可以接受的满意度下界λ^U和可以允许的不满意度上界λ^L，通过矩阵γ得到的矩阵值分别筛选出各方案的支持指标集S、反对指标集O和中立指标集N；

S_i＝{a_j∈a|γ_ij≥λ^U}(i＝1，2，…，m；j＝1，2，…，n)为第i个设计方案的支持指标集，表示对于第i个评价指标是支持第i个方案的；

O_i＝{a_j∈a|γ_ij≤λ^L}(i＝1，2，…，m；j＝1，2，…，n)为第i个设计方案的反对指标集，表示对于第i个评价指标是反对第i个方案的；

N_i＝{a_j∈a|λ^L≤γ_ij≤λ^U}(i＝1，2，…，m；j＝1，2，…，n)为第i个设计方案的中立指标集，表示对于第i个评价指标对第i个方案是既不支持也不反对的；

3)带入通过层次分析法得到的指标权重值w＝{w₁，w₂，…，w_n}，构建Vague集评价矩阵D，

式中，t_i表示该设计方案满足评价指标的程度，f_i表示该设计方案不满足评价指标的程度；

方案i符合评价者要求的程度v_i通过式(10)用Vague数表示；

式中：η1＝{j|a_j∈S_i}，η2＝{j|a_j∈O_i}；i＝1，2，…，m；j＝1，2，…，n.

(5-2)、TOPSIS优选度排序找到最优设计方案

TOPSIS优选度排序思路是通过选定一个正理想值和一个负理想值，然后计算每个设计方案到理想方案的接近度；接近度值越大，对应的设计方案越好；

对一组Vague数X(i＝1，2，…，m)，确定正理想值X⁺和负理想值X^-：

X⁺和X^-是Vague数，其与理想值之间的距离可通过Vague距离公式计算，每个设计方案中X_i和X⁺的距离d⁺、每个设计方案中X_i与X^-的距离d^-如下所示：

计算每个设计方案定量指标值到理想值的相对贴近指数：

根据优劣法的思想，各设计方案的X_i越接近X⁺并远离X^-，则说明其隶属度越大而非隶属度越少，即：μ_i值越大，说明信息界面越接近理想认知绩效水平，方案越符合理想水平，对四个信息区域不同设计方案进行优选度排序，找到各信息区域最优设计方案。